LangChain lanza el framework Open SWE para Agentes de IA de codificación empresarial
Rongchai Wang 17 mar 2026 17:33
LangChain hace código abierto de Open SWE, un framework que refleja las arquitecturas de agentes de codificación implementadas en Stripe, Coinbase y Ramp. Construido sobre Deep Agents y LangGraph.
LangChain ha lanzado Open SWE, un framework de código abierto que captura los patrones arquitectónicos que Stripe, Coinbase y Ramp desarrollaron de forma independiente para sus Agentes de IA de codificación internos. El proyecto con licencia MIT, construido sobre las plataformas Deep Agents y LangGraph de LangChain, proporciona una base personalizable para organizaciones de ingeniería que buscan implementar asistentes de codificación autónomos.
La convergencia empresarial impulsa el diseño
El framework surge de la convergencia observable entre los principales actores de fintech. Stripe construyó Minions, Ramp desarrolló Inspect y Coinbase creó Cloudbot, cada uno llegando a decisiones arquitectónicas similares a pesar de trabajar de forma independiente.
Esos patrones compartidos incluyen sandboxes en la nube aislados para la ejecución de código, conjuntos de herramientas seleccionadas (se informa que Stripe mantiene alrededor de 500 herramientas cuidadosamente seleccionadas), invocación con prioridad en Slack, inyección de contexto enriquecido desde issues de Linear o PRs de GitHub, y orquestación de subagentes para tareas complejas.
"Estas elecciones arquitectónicas han demostrado ser efectivas en múltiples implementaciones de producción", señaló LangChain en el anuncio, aunque reconocen que las organizaciones necesitarán adaptar los componentes a sus propios entornos.
Arquitectura técnica
Open SWE viene con aproximadamente 15 herramientas seleccionadas que cubren ejecución de shell, obtención web, llamadas de API, operaciones de Git e integraciones con Linear y Slack. El framework admite proveedores de sandbox conectables, incluidos Modal, Daytona, Runloop y LangSmith.
Cada tarea se ejecuta en un entorno Linux aislado con acceso completo al shell. El repositorio se clona, el agente recibe permisos completos dentro de ese límite y los errores permanecen contenidos. Múltiples tareas pueden ejecutarse en paralelo, cada una en sandboxes separados.
La ingeniería de contexto ocurre a través de dos canales: un archivo AGENTS.md en la raíz del repositorio que codifica las convenciones del equipo y las decisiones arquitectónicas, más el historial completo de issues de Linear o hilos de Slack ensamblado antes de que el agente comience a trabajar.
La capa de orquestación combina la generación de subagentes impulsada por modelo con hooks de middleware determinísticos. Un componente de middleware inyecta mensajes de seguimiento que llegan a mitad de ejecución. Otro actúa como red de seguridad, confirmando automáticamente y abriendo un PR si el agente no completa ese paso.
Composición sobre bifurcación
En lugar de bifurcar un agente existente, Open SWE se compone sobre el framework Deep Agents, similar a cómo el equipo de Ramp construyó Inspect sobre OpenCode. Este enfoque proporciona una ruta de actualización: cuando Deep Agents mejora la gestión de contexto o la eficiencia de tokens, esas mejoras pueden fluir sin reconstruir personalizaciones.
Deep Agents maneja la memoria basada en archivos para evitar el desbordamiento de contexto en bases de código más grandes, proporciona planificación estructurada a través de una herramienta write_todos y admite la generación aislada de subagentes donde diferentes subtareas no contaminan el historial de conversación de cada una.
Cómo se compara
La comparación con implementaciones empresariales revela diferencias esperadas en los detalles de implementación. Stripe usa Goose bifurcado con devboxes de AWS EC2 y validación de tres capas. Ramp compuso sobre OpenCode con contenedores Modal y verificación visual de DOM. Coinbase construyó desde cero con consejos de agentes y capacidades de auto-fusión.
Open SWE utiliza Claude Opus 4 por defecto, pero admite cualquier proveedor de LLM. Las organizaciones pueden configurar diferentes modelos para diferentes subtareas.
Realidad de implementación
El framework representa la apuesta de LangChain por una trayectoria específica para el desarrollo asistido por IA: agentes autónomos de larga duración que se integran con los flujos de trabajo de desarrolladores existentes en lugar de requerir nuevas interfaces. Esto difiere del modelo copiloto corto, sincrónico y dentro del IDE que dominó las herramientas de codificación de IA anteriores.
La documentación incluye una guía de instalación que cubre la creación de aplicaciones de GitHub, configuración de LangSmith e implementación de producción, además de una guía de personalización para intercambiar proveedores de sandbox, modelos, herramientas y disparadores.
Open SWE está disponible ahora en github.com/langchain-ai/open-swe. Las organizaciones interesadas en LangSmith Sandboxes pueden unirse a una lista de espera a través del sitio web de LangChain.
Fuente de la imagen: Shutterstock- agentes de codificación de ia
- langchain
- open swe
- desarrollo empresarial
- código abierto
